Segmentación Automática de Cálculos Renales mediante U-Net a través de Imágenes de Tomografía Computarizada
PDF

Cómo citar

Calderón Uribe, S., Calderón Uribe, U., Morales Hernández, L. A., & Cruz Albarrán, I. A. (2024). Segmentación Automática de Cálculos Renales mediante U-Net a través de Imágenes de Tomografía Computarizada. JÓVENES EN LA CIENCIA, 25, 1–8. Recuperado a partir de https://www.jovenesenlaciencia.ugto.mx/index.php/jovenesenlaciencia/article/view/4222

Resumen

Los cálculos renales o litiasis urinaria se definen como la presencia de depósitos duros hechos de minerales y sales en riñón, uretra y vejiga. Actualmente, los cálculos renales son considerados como una enfermedad crónica que, sin tratamiento adecuado, tiene una alta tasa de recurrencia. Debido a lo anterior, el objetivo del presente trabajo es la segmentación automática de los cálculos renales a través del análisis de imágenes de tomografía computarizada (TC). Para lograrlo, se propone un método de aprendizaje profundo (deep learning) basado en U-Net para segmentar los depósitos duros. La base de datos utilizada cuenta con un total de 1300 muestras, de las cuales se aplicó la técnica de un aumento de datos, rotando, cortando y variando el brillo de las imágenes de forma aleatoria. Los resultados muestran un índice de similitud promedio del 64%, una exactitud del 99.87% y una sensibilidad del 88%, demostrando que los algoritmos basados en deep learning pueden ser una herramienta viable para la segmentación automática de cálculos renales.

PDF
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.